Cuando la variable dependiente es de tipo cualitativo, se aplican con frecuencia los modelos logísticos para evaluar la contribución de factores de influencia sobre variables como la severidad de los accidentes de tráfico, por ejemplo; según sea la variable respuesta, existen diferentes tipos de modelos: si la respuesta es binaria, se denominan modelos de regresión logística o modelos logit, mientras que si la respuesta es discreta de múltiples categorías, se denominan de regresión multinomiales y si la respuesta es de Poisson, modelos loglineales. Otro tipo de modelos para variables cualitativas son los árboles de clasificación y regresión, que se utilizan para determinar la relación existente entre variables (Arenas, B., 2008).
Dada la definición del objetivo de esta tesis, que encaja en los modelos logísticos binarios, en los que se esperaría una repuesta de tipo “si existe Tramo Blanco” o “no existe Tramo Blanco”, se describe a continuación este tipo de modelos.
1.4.1. MODELO DE REGRESIÓN LOGÍSTICO BINARIO.
En la regresión de tipo binario, la variable dependiente puede tomar el valor de 1 con una probabilidad de suceso p, o el valor de 0 con la probabilidad 1-p. En una regresión logística, la relación entre la variable dependiente y las variables independientes no es una función de tipo lineal; la estructura de un modelo de regresión logística binaria es (Visauta, B., 1998):
( ) Siendo Z: Donde: α es el parámetro constante.
182 Xi son las variables independientes.
Los modelos logísticos se han utilizado con mucha frecuencia en los últimos años, especialmente para modelizar variables dependientes de carácter binario, como la gravedad de los accidentes. Se incluyen a continuación ejemplos del uso de este tipo de modelos en análisis de accidentalidad.
Shibata utilizó los modelos logísticos binarios en su análisis de los factores de riesgo en la mortalidad en accidentes de tráfico, donde analizó factores como conducir sin licencia, consumo de alcohol, velocidad inadecuada, edad del conductor y uso de cinturón de seguridad y casco (Shibata, A., Fukuda, K., 1994).
Farmer utilizó un modelo logístico binario para relacionar la gravedad de los accidentes con impacto lateral y las características del usuario, vehículo y del propio accidente. Las conclusiones se centraron en los riesgos de gravedad de las heridas en función de la edad y de la situación de los pasajeros en el vehículo (Farmer, C., Braver, E., Mitter, E., 1997).
Khattak consideró este tipo de modelo para analizar la gravedad de los accidentes en función de las características del conductor, de la vía y de las condiciones climáticas (Khattak, A.J., Kantor, P., Council, F.M., 1998).
Krull utilizó un modelo logístico binario para estudiar la relación de diferentes parámetros del entorno de la vía en la secuencia de un vuelco y la gravedad del accidente (Krull, K.A., Khattak, A.J., Council, F.M., 2000).
Al-Ghambdi utilizó un modelo logístico binario para analizar la influencia de diversos parámetros en las consecuencias de los accidentes, clasificados como fatales o no fatales. Demostró la utilidad de estos modelos en el contexto de Arabia Saudí, identificando las variables de localización (en intersección o fuera de intersección) y causa del accidente como las más significativas en su relación con la gravedad del accidente (Al-Ghamdi, 2002).
Bédard utilizó este modelo para analizar la influencia de parámetros del conductor, el vehículo y el propio accidente en la gravedad del mismo, para diferentes tipos de accidentes (Bédard, M, Guyyat, G., Stones, M., Hirdes, J., 2002).
Toy consideró el modelo de regresión logístico binario para analizar las diferencias entre distintos tipos de vehículos en relación a su respuesta al accidente (auto-protección) y la agresividad con otros ocupantes de un vehículo con el que choque (Toy, E., Hammitt, J., 2003). Ballesteros basó su análisis en este tipo de modelos para relacionar las heridas de peatones atropellados con el tipo de vehículo, considerando el peso del vehículo y la velocidad (Ballesteros, M., Dischinger, P., Langenberg, P., 2004).
Chang generó un modelo logístico binario para analizar los riesgos de mortalidad en accidentes de tráfico con un solo vehículo involucrado para usuarios de motocicleta y otro tipo de usuarios, considerando variables relativas al accidente y a las víctimas (Chang, H., Yeh, T., 2006).
183 Sze utilizó un modelo de regresión logístico binario para analizar la severidad de los atropellos a peatones y explorar los factores que más influyen en que se produzcan fallecidos o heridos graves, como la congestión, la hora del día, la edad de la víctima, la localización de las heridas, la velocidad de circulación, etc. (Sze, N.N., Wong, S.C., 2007).
Lee aplicó estos modelos para determinar si la presencia de pasajeros en el vehículo afectaba al riesgo de que se produjera un accidente, considerando factores como las características del conductor y la situación del tráfico (Lee, C., Abdel-Aty, M., 2008).
Pai investigó, mediante un modelo logístico binario, la gravedad de los accidentes de motociclistas en intersecciones de tres ramales, con énfasis en los casos en los que el conductor no cede el paso (Pai, C., Saleh, W., 2008).
En el contexto urbano, Rifaat utilizó este tipo de regresiones para analizar la influencia del modelo de diseño de ciudad en el riesgo de las víctimas en accidentes en zona urbana; se definieron distintos patrones de diseño urbano y se incluyeron en el modelo variables de caracterización viaria, del conductor, del accidente, el entorno y del propio accidente (Rifaat, S.M., Tay, R., 2009).
Haleem analizó la gravedad de los accidentes en intersecciones no señalizadas de tres y cuatro ramales por medio de regresión logística binaria, considerando variables del diseño de la intersección, regulación, estado de conservación del pavimento, iluminación, etc., así como parámetros del conductor involucrado en el accidente (Haleem, K., Abdel-Aty, M., 2010). Peek-Asa utilizó esta herramienta para determinar las características del conductor y del accidente asociadas a una mayor gravedad de las consecuencias del mismo en conductores menores de 18 años (Peek-Asa, C., Britton, C., Young, T., Pawlovich, M., Falb, S., 2010).
Kononen generó un modelo de regresión logístico para valorar la probabilidad de que se produzca un herido grave a partir de las características del accidente, el usuario y el vehículo, considerando variables como la dirección del choque, cambio de velocidad, género de los ocupantes del vehículo, tipo de vehículo, uso del cinturón, etc. (Kononen, D., Flannagan, C., Wang, S., 2011).
Moudon analizó la relación entre la gravedad de las consecuencias de accidentes con atropello de peatones y otras variables relativas al peatón, al conductor del vehículo, sus acciones, la vía y su entorno (Moudon, A., Lin, L., Jiao, J. Hurvitz, P., Reeves, P., 2011).
Domínguez planteó un modelo logístico binario para la estimación de la gravedad de los accidentes por salida de vía, aplicándolo al caso de España (Dominguez, C.A., 2011)
Santolino modelizó mediante regresión logística binaria las características de las heridas que explican la hospitalización de las víctimas de accidentes de tráfico, así como la duración de la estancia en el centro médico (Santolino, M., Bolancé, C., Alcañiz, M., 2012).
Sze utilizó nuevamente este tipo de modelos para valorar la probabilidad de cumplimiento de objetivos de seguridad vial en los planes específicos, para lo que se analizaron 55 casos de objetivos de planes de seguridad vial en 29 países (Sze, N., Wong, S., Lee, C., 2014).
184